請問有什麼方法能將影像上距離相近的點合併為一區塊 |
尚未結案
|
心的停機坪
一般會員 發表:31 回覆:41 積分:14 註冊:2003-07-14 發送簡訊給我 |
|
taishyang
站務副站長 發表:377 回覆:5490 積分:4563 註冊:2002-10-08 發送簡訊給我 |
|
arisaka_matsuri
高階會員 發表:25 回覆:205 積分:231 註冊:2003-10-19 發送簡訊給我 |
|
MilesWamg
一般會員 發表:18 回覆:37 積分:11 註冊:2003-02-07 發送簡訊給我 |
|
dean
一般會員 發表:24 回覆:60 積分:21 註冊:2003-08-23 發送簡訊給我 |
|
dean
一般會員 發表:24 回覆:60 積分:21 註冊:2003-08-23 發送簡訊給我 |
|
心的停機坪
一般會員 發表:31 回覆:41 積分:14 註冊:2003-07-14 發送簡訊給我 |
|
MilesWamg
一般會員 發表:18 回覆:37 積分:11 註冊:2003-02-07 發送簡訊給我 |
|
心的停機坪
一般會員 發表:31 回覆:41 積分:14 註冊:2003-07-14 發送簡訊給我 |
|
auslk
初階會員 發表:35 回覆:77 積分:32 註冊:2003-02-17 發送簡訊給我 |
The recursive version of the K-mean Algorithm: (1).Start out with 2-clusters, which initialized with one sample
data picked at random.
Find the centroid closest to each of the n-2 samples remained.
Place the sample in the cluster with the closest centroid
identified.
After having each sample assigned, re-compute the centroid of
the cluster changed.
(2).Revisit the data again .Find for each sample the centroid closest
to it. Place the sample in the cluster with the closest centroid
identified (In this step, there is no need for re-computing of
any centroid.)
(3).Terminate if no cluster changes its center.
(4).Re-compute the centroids of clusters and repeat step 2. Best Regards,
Pauli
11/03/03'
|
MilesWamg
一般會員 發表:18 回覆:37 積分:11 註冊:2003-02-07 發送簡訊給我 |
使用Threshold order dependent Clusting Algorithm
1.求出每一個黑色區域,計算個數(區域成長),並計算該區之質心(即重心)
每一個區域都編號
2.令第一個黑色區域為第一群起始種子並設定一門檻,與另一區域質心計算距離
當種子質心距離小於此一門檻設為相同一群,反之新設定一群令為新的一群
起始種子,直到結束(所有區域都被拜訪完)
3.印出結果
其不需要事先給定群數,其群數為距離之門檻值所決定,也會因為初始種子給定不同而有不同之結果
大體而言,其為一個簡單且方便之做法,不需如c-mean分群事先給定群數
(PS K-MEAN好像也要事先給定群數)
|
心的停機坪
一般會員 發表:31 回覆:41 積分:14 註冊:2003-07-14 發送簡訊給我 |
本站聲明 |
1. 本論壇為無營利行為之開放平台,所有文章都是由網友自行張貼,如牽涉到法律糾紛一切與本站無關。 2. 假如網友發表之內容涉及侵權,而損及您的利益,請立即通知版主刪除。 3. 請勿批評中華民國元首及政府或批評各政黨,是藍是綠本站無權干涉,但這裡不是政治性論壇! |